基于小波变换的车辆油气悬架信号提取技术

将小波变换应用于油气悬架信号的提取。建立了带有油气悬架的1／4车辆系统动态模型,把B级路面仿真作为系统的输入,得到了非簧载质最加速度曲线和油气恳架输出力曲线,通过小波的分解与重构有效地去除了噪声信号．提取山非簧载质撼加速度和油气悬架输出力信号,为油气悬架系统设计提供了理论依据。     

基于小波变换的汽车轮速信号去噪

传统的汽车轮速信号处理方法难以消除干扰信号的影响。根据信号与噪声通过小波变换后在各尺度空间呈现的不同特性,选用Daubechies四阶正交小波（db4）对噪声信号进行多层小波分解,对小波分解的各层细节信号,分别采用软阈值处理方法进行量化处理,然后进行小波逆变换重构信号以达到对信号去噪和恢复的目的。研究结果表明,采用此方法能够有效地去除轮速信号中的各种干扰。     

基于卷积型小波包变换的信号降噪研究

提出了一种基于卷积型小波包变换的多尺度降噪方法。采用卷积型小波包变换,克服了传统小波包变换数据点数随分解尺度的增加而呈指数减小的问题;改进了噪声方差估计方法,较好地保留了信号的主要细节;采用了新的阈值函数,其表达式简单易于计算,同Donoho软阈值函数具有相同的连续性,且克服了软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的问题。仿真结果表明,新的降噪方法有效抑制了在信号奇异点附近产生的Pseudo-Gibbs现象,在降噪精度上优于传统的小波包降噪方法。     

小麦硬度声学检测方法研究——基于小波变换与离散余弦变换

小麦硬度是评价小麦品质的一项重要指标。对小麦籽粒碰撞发声装置发出的声信号进行频域分析研究,结合使用小波变换与离散余弦变换算法对小麦声音信号进行分析处理,利用小波变换的多分辨率特性及离散余弦变换的能量压缩和解相关能力,提取一些有用的特征参数,分别采用一元和多元线性回归的方法构建不同小麦硬度的声学检测模型。研究结果表明:建立的回归模型的线性相关系数r2可达到0.957。     

基于小波变换的农田景物边缘检测

依据农田景的图像的基本特点，提出零点反对称紧支撑二进小波检测图像中的边缘。运用此方法在计算机上对图像边缘提取，得到了连续、光滑、单像素宽的边缘链图像。表明这种边缘提取方法有效、可行。     

基于小波变换的基波无功实时检测

分析了SVC装置现有的无功功率检测方法,提出了一种基于正交小波变换的基波无功功率实时检测方法。该方法用电力系统电压、电流信号离散采集的数据,可方便地对系统功率因数实时检测,能有效地分解和计算含各次谐波和随机干扰的电压、电流信号中的基波分量,从而得到实时的无功功率数据。通过仿真,验证了实时检测方法的有效性。     

基于小波变换的方便面含油率近红外光谱检测技术

以检测方便面的含油率为例，探讨了用小波变换原理分析近红外温反射光谱并提取有效信息的方法。结果表明，变换后的光谱更能反映出与含油率之间的相关关系，通过与使用方便而原始温反向光谱、一阶导数、二阶导数的多元回归分析方法比较，得到使用8个迟度变换后的小波系数与含油率之间的关系最为显著，且四元回归分析的预测精度最好，比采用二阶导数时的平均相对预测误差降低1.1个百分点，相对误差的标准差降低0.18。小波变换方法提高了方便面含油率近红外光谱的定量分析精度。     

基于小波极值变换的棉花异性纤维边缘检测

棉花异性纤维的边缘检测是用于提取异性纤维的主要特征,检测的质量直接影响到检测的精度.为此,根据棉花异性纤维检测的特点,利用极值小波变换对目标图像进行降噪和边缘特征处理.经过实验对比表明,该方法明显好于其他方法,说明极值小波变换对提高棉花异性纤维边缘检测精度有重要的意义.     

基于小波变换和BP神经网络的蛋壳破损检测

提出了一种基于多层小波变换和纹理分析的蛋壳破损检测方法.该方法对获取的鸡蛋透射图像G分量在不同水平上进行小波分解,计算和分析各水平高频细节子图像的纹理特征参数,实验确定最有效的8个特征参数作为BP网络输入,建立结构为8202的BP神经网络蛋壳破损分类模型.实验表明,该方法对无破损蛋、线状破损蛋、网状破损蛋和点状破损蛋的判别正确率分别为95%、90%、95%、80%,平均识别率为90%.     

动态称量信号离散小波变换数字滤波处理方法

针对动态称量快速准确的要求,结合小波变换变分辨率的时频联合分析特点.应用实时Mallat分解与重构去噪算法,探讨了动态称量信号离散小波变换实时处理方法.定量加料动态称量实验表明:小波分解去除高频信号后,重构出的低频信号稳定时间约0.128 s,相对误差为-1.5%～2%,均优于快速傅里叶变换法.     

基于小波与FFT的电网谐波检测改进方法研究

谐波检测的准确性直接影响对电网谐波污染状况的评估以及抑制措施的实施.本研究采用小波变换与快速傅里叶变换(FFT)相结合的方法提高谐波检测的准确度,利用小波变化对电网模拟信号进行降噪处理,使其尽可能接近原始信号的波形;利用FFT对去噪以后的信号进行分析,提取各次谐波含量;最后,利用matlab FFT工具进行仿真,仿真结果表明:该方法适合在谐波检测系统或装置中应用.     

小波变换在水泵故障诊断中的应用

小波变换具有很好的时域和频域局部化特性,为以非稳态振动为特征的信号提供了有较的分析手段。采用磁电式速度传动器测定水泵机组的振动信号,并通过小波变换处理进行故障诊断分析。结果表明,小波变换的分析方法较传统的傅立叶变换更为有效。     

基于小波包变换的小麦硬度声学检测方法研究

提出了一种基于小波包变换的小麦硬度声学检测方法。利用自制的声学装置采集小麦超声信号,通过小波包变换对信号进行分解,求取各子频带能量,提取能够反映小麦硬度指标的特征参数,通过线性回归分析,建立了特征参数与小麦硬度之间的回归模型。实验结果表明,特征参数与小麦硬度之间的线性相关系数r2达到了0.958 9。     

基于相关分析与小波变换的齿轮箱故障诊断

针对大型机械工作噪声大,测取的振动信号信噪比很低,特征信号频率较高,信号消噪难度大,故障特征信号难以提取的问题,提出了一种基于相关性分析与小波变换相结合的故障诊断方法。该方法利用了相关函数降噪特性和小波多分辨特性,达到有效提取有用信号的目的。通过仿真与实验,证明这种方法能有效去除噪声,对故障特征信号有很强的提取能力。     

小波分析在水力发电机组振动信号去噪中的应用

振动是水力发电机组的常见现象，其影响水电机组的稳定运行及安全运行。因此，振动的监测与诊断就显得十分重要。但是，振动传惑器采集的信号受到机组运行现场的各种噪声污染，不能准确的反映机组运行状态。应用小波分析技术可以对噪声严重污染的振动信号进行去噪处理，精确地恢复原信号，试验证明效果良好。     

基于IRM和小波变换的圆度误差在线检测技术

针对提高圆度误差在线检测精度的两个关键问题--主轴回转误差分离和环境噪声消除,提出了一种基于IRM(改进反向法)和小波变换的圆度误差在线检测方法.运用IRM实现在线检测中主轴回转误差与圆度误差的分离;采用基于小波变换的消噪滤波方法,消除车间噪声和高、中频信息的干扰.实验结果表明,在线检测精度基本达到了三坐标机的离线检测精度,平均相对误差4%,重复测量精度基本一致.     

小波分析在车辆振动信号检测中的应用

介绍用于振动信号分析的小波分析基本理论。把小波分析技术应用到车辆振动信号检测中,通过离散二进小波变换,把实际振动信号分解成包含高频和低频两部分的若干层。利用小波分析技术,在合适的分解层中把车辆振动的非平稳时域异常信号检测出来并使其得到准确的时域定位;把路面激励信号从车辆整体振动中分离出来;同时从频域把短时或局部信号的谱检测出来,实现了常规分析方法所不能达到的功能。     

基于多重小波变换的输电线行波故

行波色散和反射行波的影响是导致行波测距不准确的主要因素。针对行波特点利用不同小波基特性的互补对线模行波进行多重多尺度的综合分析,对行波色散有一定的抑制作用,有效提取故障行波特征,同时提出了如何合理应用小波变换。再利用线路单端法测距结果综合判断消除了误辨反射行波对测距可靠性的影响,提出利用多重小波变换的行波测距法。通过仿真验证了上述方法在各种情况下有效提高了的测距的可靠性和准确度。     

基于IRM和小波变换的圆度误差在线检测技

针对提高圆度误差在线检测精度的两个关键问题——主轴回转误差分离和环境噪声消除,提出了一种基于IRM（改进反向法）和小波变换的圆度误差在线检测方法。运用IRM实现在线检测中主轴回转误差与圆度误差的分离;采用基于小波变换的消噪滤波方法,消除车间噪声和高、中频信息的干扰。实验结果表明,在线检测精度基本达到了三坐标机的离线检测精度,平均相对误差4%,重复测量精度基本一致。     

基于小波变换的农村电网谐波检测

随着农村电网中电力电子装置的日益增多，农村电网中存在的电网谐波问题越来越严重。由于谐波的存在，许多电力设备的正常工作会受到影响，所以对农村电网的谐波检测就具有非常重要的意义。本文介绍了一种利用小波多分辨分析进行谐波检测的方法，通过仿真实验，证明此方法对农村电网的谐波检测具有很好的效果。